[发明专利]心电信号处理方法、装置和计算机可读存储介质有效
| 申请号: | 201810413507.8 | 申请日: | 2018-05-03 |
| 公开(公告)号: | CN108814585B | 公开(公告)日: | 2021-05-28 |
| 发明(设计)人: | 邓开峰 | 申请(专利权)人: | 深圳竹信科技有限公司 |
| 主分类号: | A61B5/349 | 分类号: | A61B5/349 |
| 代理公司: | 深圳市世纪恒程知识产权代理事务所 44287 | 代理人: | 胡海国;晏波 |
| 地址: | 518057 广东省深圳市南山区西丽街*** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 电信号 处理 方法 装置 计算机 可读 存储 介质 | ||
1.一种心电信号处理装置,其特征在于,所述心电信号处理装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如下步骤:
获得心电数据,并通过预设的卷积神经网络对所述心电数据进行提取,获得对应的波形特征;
获得预设膨胀率,并采用与所述膨胀率对应维空洞卷积对所述波形特征进行卷积下采样,以增加所述波形特征的感受野;
对进行卷积下采样后的波形特征进行反卷积上采样,获得对应的分类信号;
通过Sigmoid函数对所述分类信号进行概率转化,获得对应的分类结果。
2.如权利要求1所述的心电信号处理装置,其特征在于,所述计算机程序被所述处理器还执行时实现如下步骤:
对所述分类结果进行识别,获得对应的识别结果。
3.如权利要求1所述的心电信号处理装置,其特征在于,所述计算机程序被所述处理器还执行时实现如下步骤:
采用所述膨胀率对应维空洞卷积对所述波形特征进行至少两层卷积下采样;
从第二层卷积下采样开始,根据每次卷积下采样获得的结果以及上一层反卷积上采样获得的结果进行与卷积下采样层数相同的反卷积上采样,获得对应的分类信号。
4.如权利要求3所述的心电信号处理装置,其特征在于,所述计算机程序被所述处理器还执行时实现如下步骤:
在卷积下采样的过程中将每层卷积下采样的结果进行归一化处理,并随机将隐藏层中部分神经元参数设为0。
5.如权利要求1所述的心电信号处理装置,其特征在于,所述计算机程序被所述处理器还执行时实现如下步骤:
对所述分类结果进行二值型转换;
计算所述分类结果进行二值型转换的结果与对应的标签向量的差值平方和作为误差损失。
6.如权利要求5所述的心电信号处理装置,其特征在于,通过如下公式对所述分类结果进行二值型转换:
其中,z表示所述分类结果,σ(z)表示所述分类结果进行二值型转换后的结果。
7.如权利要求1所述的心电信号处理装置,其特征在于,所述计算机程序被所述处理器还执行时实现如下步骤:
根据所述分类结果和对应的真实结果计算汉明损失和排序损失;
计算所述汉明损失和排序损失之和,并将所述汉明损失和排序损失之和作为误差损失。
8.如权利要求7所述的心电信号处理装置,其特征在于,通过如下公式计算所述汉明损失:
其中,nlabels表示分类结果的数量,表示第j个分类结果,yj表示对应的真实结果;
通过如下公式计算所述排序损失:
其中,R(y,f)表示排序损失,nsamples表示心电数据的样本数。
9.如权利要求5或7所述的心电信号处理装置,其特征在于,所述计算机程序被所述处理器还执行时实现如下步骤:
获取预设时间段内的误差损失,并判断所述预设时间段内误差损失的变化是否小于预设值;
如果所述误差损失的变化大于或者等于预设值,则调整对应的参数,并采用调整后的参数对所述波形特征进行卷积下采样和反卷积上采样。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有心电信号处理程序,所述心电信号处理程序被处理器执行时实现如下步骤:
获得心电数据,并通过预设的卷积神经网络对所述心电数据进行提取,获得对应的波形特征;
获得预设膨胀率,并采用与所述膨胀率对应维空洞卷积对所述波形特征进行卷积下采样,以增加所述波形特征的感受野;
对进行卷积下采样后的波形特征进行反卷积上采样,获得对应的分类信号;
通过Sigmoid函数对所述分类信号进行概率转化,获得对应的分类结果。
11.如权利要求10所述的计算机可读存储介质,其特征在于,所述计算机程序被所述处理器还执行时实现如下步骤:
采用所述膨胀率对应维空洞卷积对所述波形特征进行至少两层卷积下采样;
从第二层卷积下采样开始,根据每次卷积下采样获得的结果以及上一层反卷积上采样获得的结果进行与卷积下采样层数相同的反卷积上采样,获得对应的分类信号。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳竹信科技有限公司,未经深圳竹信科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810413507.8/1.html,转载请声明来源钻瓜专利网。





